QPSO简介

前言

准备学习qpso，我导最出名的算法，已经成为pso领域的一个标杆

一、 QPSO概念

qpso中文意为量子行为粒子群优化算法
在原先的pso算法中引入了量子动力运动学的概念，取消了原先粒子的速度即移动方向概念，采用了势阱的概念，也就是说粒子下一步的运动和粒子之前的运动不存在任何关系，大大增加了粒子运动的随机性

二、 QPSO简介

1、改进

	pso	qpso
参数设定	局部学习因子c1、全局学习因子c2、惯性因子w	创新参数a
随机性	低	高

pso算法需要设定的参数包括c1、c2、w等，不利于训练优化；同时pso算法粒子缺乏随机性，容易陷入局部最优解；而qpso改进了上述缺点，其中需要设定的参数只有创新参数a，同时通过量子运动大大增加了粒子的随机性

2、流程

3、过程

1. 随机初始化粒子的位置$X_i$和势场$P_i$
2. 是否满足迭代终止条件，是则结束，否则计算当前种群粒子最佳位置的平均值$M_{best}$
   $M_{best}=1/n{\sum }_1^n{p}_{bes{t}_i}$
3. 计算第i个粒子的势场
   $p_i=a\ast p_{bes{t}_i}+(1-a)\ast g_{best}$
4. 使用蒙特卡洛法更新粒子位置
   $L=2a\ast |mbest-x_i|$
   $X_i=p_i\pm L/2\ast ln(1/u)$
5. 计算粒子位置适应度，如果优于个体最佳位置适应度，则更新粒子最佳位置；如果优于种群最佳位置适应度，则更新种群最佳位置；返回第2步